| 标题 |
 Less Annotating, More Classifying: Addressing the Data Scarcity Issue of Supervised Machine Learning with Deep Transfer Learning and BERT-NLI 少标注多分类：用深度迁移学习和BERT-NLI解决有监督机器学习的数据稀缺问题
相关领域
计算机科学
学习迁移
人工智能
任务（项目管理）
机器学习
推论
劣势
自然语言处理
知识转移
深度学习
稀缺
培训转移
知识管理
经济
微观经济学
管理
|
| 网址 |
求助人暂未提供
|
| DOI |
暂未提供，该求助的时间将会延长，查看原因？
|
| 其它 | 作者：Laurer, M., Van Atteveldt, W., Casas, A., & Welbers, K. |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
cctv18
紫金大萝卜
gjww
个性的紫菜
王力宏弟弟
柯一一
罗_
iVANPENNY
shinysparrow
Maestro_S
psyduck
友好冷之
圆圆胖胖的滚滚
SOLOMON
De_Frank123
sutharsons
CharlotteBlue
阿大呆呆
完美世界
Singularity
皖公网安备34019202002308
